corridor and exhibition hall datasets

该数据集由湖南大学提供，包含走廊和展览大厅两个场景的数据，用于评估连续时间UWB-惯性-里程计定位系统（CT-UIO）的性能。数据集整合了UWB测距、IMU和里程计数据，支持异步高频传感器数据的融合，并通过虚拟锚点生成方法，实现了在少量锚点条件下的全局定位。This dataset is provided by Hunan University and contains data collected from two scenarios: corridors and exhibition halls. It is designed to evaluate the performance of the continuous-time UWB-inertial-odometry positioning system (CT-UIO). The dataset integrates UWB ranging, IMU, and odometry data, supports the fusion of asynchronous high-frequency sensor data, and enables global localization with a small number of anchors through the virtual anchor generation method.

原始信息汇总

数据集概述

数据集名称

CT-UIO: Continuous-Time UWB-Inertial-Odometer Localization Using Non-Uniform B-spline with Fewer Anchors

数据集描述

该数据集涉及一种基于非均匀B样条框架的UWB-Inertial-odometer定位系统，适用于较少锚点条件下的定位。系统利用改进的扩展卡尔曼滤波器（EKF）进行数据融合，并提出了一种基于多假设的虚拟锚点生成方法，以实现全局轨迹估计。

数据集组成

• 走廊和展览厅环境下的定位数据
• 非均匀B样条轨迹表示
• 改进的EKF算法实现
• 虚拟锚点生成方法

数据集应用

• 适用于能量受限条件下的超宽带（UWB）定位研究
• 用于评估和验证连续时间UWB-Inertial-Odometer定位系统的性能

数据集来源

• 论文：CT-UIO: Continuous-Time UWB-Inertial-Odometer Localization Using Non-Uniform B-spline with Fewer Anchors
• 作者：Jian Sun, Wei Sun, Genwei Zhang, Kailun Yang, Song Li, Xiangqi Meng, Na Deng, Chongbin Tan

引用信息

@article{Sun2025TITS, title={CT-UIO: Continuous-Time UWB-Inertial-Odometer Localization Using Non-Uniform B-spline with Fewer Anchors}, author={Jian Sun and Wei Sun and Genwei Zhang and Kailun Yang and Song Li and Xiangqi Meng and Na Deng and Chongbin Tan}, journal={arXiv preprint arXiv:2502.06287}, year={2025} }

搜集汇总

数据集介绍

构建方式

该数据集由 Jian Sun 等人构建，旨在验证他们提出的 CT-UIO 定位系统在走廊和展厅环境下的性能。数据集包括在不同运动模式下收集的六个序列，每个序列都包含 IMU、里程计和 UWB 测距数据。这些数据被用于评估 CT-UIO 系统在少量锚点条件下的定位精度和鲁棒性。

特点

该数据集的特点在于其包含了少量锚点条件下的定位数据，这对于评估和改进定位系统在资源受限环境下的性能至关重要。此外，数据集中包含了不同运动模式下的数据，如慢速、快速和混合运动，这有助于评估定位系统在不同运动状态下的表现。

使用方法

使用该数据集时，首先需要理解其结构和内容。数据集包含了 IMU、里程计和 UWB 测距数据，这些数据可以用于评估和改进定位系统的性能。可以使用不同的定位算法来处理这些数据，并与其他定位方法进行比较。此外，可以通过分析数据集中的不同运动模式来评估定位系统在不同运动状态下的表现。

背景与挑战

背景概述

在机器人定位技术的研究中，走廊和展厅数据集是一个重要的实验资源，它为基于超宽带（UWB）技术的室内定位研究提供了宝贵的现实世界数据。该数据集的创建是为了解决在能量受限条件下，使用少量锚点进行UWB定位的挑战。研究人员Jian Sun、Wei Sun等人在2025年发表了一篇名为“CT-UIO: Continuous-Time UWB-Inertial-Odometer Localization Using Non-Uniform B-spline with Fewer Anchors”的论文，介绍了他们提出的CT-UIO系统，该系统采用非均匀B样条框架，能够在少量锚点的情况下实现高精度和鲁棒的定位。该数据集对于推动室内定位技术的发展，特别是在能量受限和空间受限的环境下，具有重要意义。

当前挑战

该数据集面临的主要挑战包括：1) 在少量锚点的情况下，如何确保定位系统的完全可观测性，以及如何提高定位精度；2) 如何有效地融合IMU和里程计数据，并提供短期的准确运动先验；3) 如何动态调整控制点的分布，以适应不同的运动速度和轨迹复杂性。为了应对这些挑战，研究人员提出了基于多假设的虚拟锚点生成方法，以及改进的扩展卡尔曼滤波器（EKF）和自适应滑动窗口因子图。通过这些方法，CT-UIO系统在走廊和展厅数据集上取得了显著的性能提升，特别是在处理快速运动的情况下。

常用场景

经典使用场景

在室内定位服务中，如轨迹预测、目标跟踪和自动拾取操作，该数据集被用于评估CT-UIO系统的定位精度和鲁棒性。通过对走廊和展览馆数据集的实验验证，CT-UIO系统在多锚点条件下表现出高精度和鲁棒性能。

解决学术问题

该数据集解决了在能量受限或空间限制的环境中，传统多边测距定位方法无法有效工作的问题。通过引入非均匀B样条框架和虚拟锚点生成方法，CT-UIO系统能够在少锚点条件下实现高精度定位。

衍生相关工作

该数据集衍生了关于连续时间轨迹表示和少锚点UWB定位的研究。相关研究包括连续时间LiDAR-Inertial系统、视觉-Inertial系统和超宽带-Inertial系统的连续时间状态估计。这些研究进一步推动了连续时间表示在多传感器融合系统中的应用，并为少锚点UWB定位提供了新的思路和方法。